常用排序算法小结

1,选择排序

中心思想:从数组第一位开始,当前位置与后面位置的数值进行比较,当后面位置数值比当前位置数值大时,两者交换数值。

需要进行比较次数:n*(n-1)/2

   int arr[] = {2,8,9,4,1};
  for(int x=0; x<arr.length-1; x++)
  {
   for(int y = x+1; y < arr.length;y++)
   {
    if(arr[x] > arr[y])
    {
     int temp = arr[x];
     arr[x] = arr[y];
     arr[y] = temp;
    }
   }
  }

特点:内循环一次,最值出现在最前端

 

2.冒泡排序

中心思想:从数组第一位开始,当前位置与后面相邻位置的数值进行比较,当后面的值比当前位置数值大时,两者交换数值

需要比较次数:n*(n-1)/2

 public static void bubbleSort(int []arr)
 {
  for(int x = 0; x < arr.length; x++)
  {
   for(int y = 0; y < arr.length - x -1; y++)
   {
    if(arr[y] > arr[y+1])
    {
     int temp = arr[y];
     arr[y] = arr[y+1];
     arr[y+1] = temp;
    }
   }
  }
 }

特点:最值出现在内循环后的最后段

 

 

 

【无人机】基于改进粒子群算法的无人机路径规划研究[和遗传算法、粒子群算法进行比较](Matlab代码实现)内容概要:本文围绕基于改进粒子群算法的无人机路径规划展开研究,重点探讨了在复杂环境中利用改进粒子群算法(PSO)实现无人机三维路径规划的方法,并将其与遗传算法(GA)、标准粒子群算法等传统优化算法进行对比分析。研究内容涵盖路径规划的多目标优化、避障策略、航路点约束以及算法收敛性和寻优能力的评估,所有实验均通过Matlab代码实现,提供了完整的仿真验证流程。文章还提到了多种智能优化算法在无人机路径规划中的应用比较,突出了改进PSO在收敛速度和全局寻优方面的优势。; 适合人群:具备一定Matlab编程基础和优化算法知识的研究生、科研人员及从事无人机路径规划、智能优化算法研究的相关技术人员。; 使用场景及目标:①用于无人机在复杂地形或动态环境下的三维路径规划仿真研究;②比较不同智能优化算法(如PSO、GA、蚁群算法、RRT等)在路径规划中的性能差异;③为多目标优化问题提供算法选型和改进思路。; 阅读建议:建议读者结合文中提供的Matlab代码进行实践操作,重点关注算法的参数设置、适应度函数设计及路径约束处理方式,同时可参考文中提到的多种算法对比思路,拓展到其他智能优化算法的研究与改进中。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值